香港腕表价格交流群

线上 | 香港科技大学在读博士施行健:深度学习在短临降雨预报方面的应用

2020-11-24 13:57:15


北京时间12月21日(周四)下午1点,在将门技术社群,我们很开心邀请到博士香港科技大学四年级在读博士生施行健他将基于在NIPS 2017上被选为Spotlight的论文“Deep Learning for Precipitation Nowcasting: A Benchmark and A NewModel”,带来“深度学习用于短临降雨预报:一个基准和一个新模型”的主题分享。



活动信息

主题:深度学习用于短临降雨预报--一个基准和一个新模型

时间:12月21日(周四)13:00

地点:将门创投斗鱼直播间



分享提纲

本次报告基于NIPS 2017论文“DeepLearning for Precipitation Nowcasting: A Benchmark and A New Model”。该论文被会议选为Spotlight,以下是论文简介:


短临降雨预报是指对一个区域未来短时间内的降雨进行预测。这个问题有许多应用场景,和居民生活息息相关。例如,及时的降雨预报可以帮助预测道路积水,为航班提供天气指引,给出短期强降水预警。由于大气内部复杂的动态过程和短临降雨要求的实时、大规模和高精度的预报,此问题给气象领域和机器学习领域提出了新的挑战。近期,研究发现卷积长短期记忆网(ConvLSTM)在这个问题上优于经典的光流矢量法,说明了深度学习在解决这个问题上有很大的潜力。然而,ConvLSTM内的卷积递归结构是时空恒定的,并不能很好地刻画运动过程中产生的非恒定时空结构。同时,“深度学习用于短临降雨预报”还是一个正在发展的研究领域,我们尚且不清楚如何才能衡量不同模型的效果。


为了解决这两个问题,我们提出了一个新基准:HKO-7和一个新模型:轨迹GRU (TrajGRU)。具体而言,跟ConvLSTM不同,TrajGRU会主动学习时空的递归连接结构,将时空信息通过一些学习得到的轨迹来进行综合。同时,我们的HKO-7包含了新的衡量指标和一个更贴近实际应用的评测体系。


具体分为以下内容:

  • 简要介绍短临降雨预报和用于解决此问题的经典方法

  • 介绍ConvLSTM网络

  • 本文的Motivation

  • 介绍TrajGRU网络

  • 介绍HKO-7 Benchmark

  • 总结



嘉宾介绍

施行健

香港科技大学四年级在读博士


师从杨瓞仁教授。本科就读于上海交通大学,导师为李武军教授和王士林教授。现于Amazon AWS Deep Learning组实习,岗位为应用科学家。主要研究方向为深度学习,时空序列分析和计算机视觉。他是apache/mxnet的开发成员,同时也是DMLC协会会员。


个人主页:http://home.cse.ust.hk/~xshiab



观看直播或加群

长按或扫描下方二维码,关注“将门创投”微信公众号(thejiangmen),后台回复“ML”,获取入群通道及直播地址。 



-END-


欢迎加入将门技术社群!

已涵盖CV、机器人、NLP、ML、IoT等多个当下火热的技术话题。我们每周邀请来自产学研的优秀技术人进行线上分享,目前群里已汇聚数千位上述领域的技术从业者。


入群方式>>关注“将门创投”(id:thejiangmen)微信公众号,在后台回复关键词“技术社群”,提交入群申请表。通过审核后,我们会在第一时间发出邀请。

点击右上角,把文章分享到朋友圈

将门创投

让创新获得认可!

微信:thejiangmen

service@thejiangmen.com

友情链接

Copyright © 2023 All Rights Reserved 版权所有 香港腕表价格交流群